빠른 시작

몇 분 안에 Amazon Bedrock을 시작합니다. 새 애플리케이션의 경우 bedrock-runtime 엔드포인트를 사용하는 것이 좋습니다. 다음 단계에서는 Anthropic 네이티브 메시지 API, OpenAI 호환 응답 API 및 채팅 완료 API, 대화 및 호출 APIs. API의 APIs빌드. 이 단계를 완료한 후 지원되는 파운데이션 모델로 추론 요청을 보낼 수 있습니다.

첫 번째 추론 요청을 실행하려면

AWS 계정에 가입합니다.

가 이미 있는 경우이 단계를 AWS 계정건너뜁니다.
AWS Management Console에서 Amazon Bedrock 서비스를 열어 Amazon Bedrock에 대한 요청을 인증하는 단기 API 키를 생성합니다.

전체 절차는 API 키 섹션을 참조하세요.

프로덕션 애플리케이션의 경우 IAM 역할 또는 임시 자격 증명을 사용합니다.
사용하려는 APIs에 대한 관련 SDK를 설치합니다. Python이 이미 설치되어 있어야 합니다.
Messages API
```
pip install boto3 anthropic
```
Responses/Chat Completions API
```
pip install boto3 openai
```
Invoke/Converse API
```
pip install boto3
```

인증에 API 키를 사용하도록 다음 환경 변수를 설정합니다.

모델을 선택하고 첫 번째 추론 요청을 실행합니다.

모델을 선택합니다. Amazon Bedrock은 100개 이상의 파운데이션 모델을 지원합니다.

다음 Python 코드를 사용하여 첫 번째 추론 요청을 실행합니다.

Messages API


from anthropic import AnthropicBedrock

client = AnthropicBedrock(aws_region="us-east-1")

response = client.messages.create(
    model="global.anthropic.claude-opus-5",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}]
)
print(response)

Responses API


from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="openai.gpt-5.6-sol",
    input="Can you explain the features of Amazon Bedrock?"
    )
print(response)

Chat Completions API


from openai import OpenAI

client = OpenAI()

response = client.chat.completions.create(
    model="openai.gpt-5.6-sol",
    messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}]
    )
print(response)

Converse API


import boto3

client = boto3.client('bedrock-runtime', region_name='us-east-1')
response = client.converse(
    modelId='global.anthropic.claude-opus-5',
    messages=[
        {
            'role': 'user',
            'content': [{'text': 'Can you explain the features of Amazon Bedrock?'}]
        }
    ]
)
print(response)

Invoke API


import json
import boto3

client = boto3.client('bedrock-runtime', region_name='us-east-1')
response = client.invoke_model(
    modelId='global.anthropic.claude-opus-5',
    body=json.dumps({
            'anthropic_version': 'bedrock-2023-05-31',
            'messages': [{ 'role': 'user', 'content': 'Can you explain the features of Amazon Bedrock?'}],
            'max_tokens': 1024
    })
 )
 print(json.loads(response['body'].read()))

파일을 bedrock-first-request.py(으)로 저장합니다.
다음 명령을 사용하여 코드를 실행합니다.
```
python3 bedrock-first-request.py
```
추론 요청의 출력이 표시되어야 합니다.

다른 APIs빌드.

다음 단계

이제 첫 번째 요청을 실행했으므로 Amazon Bedrock을 사용하여 더 많이 빌드하려면 다음 리소스를 살펴보세요.

AI 에이전트를 사용하여 애플리케이션에서 태스크 자동화 - 다단계 작업을 오케스트레이션할 수 있는 에이전트를 생성합니다.
Amazon Bedrock Knowledge Bases를 사용하여 데이터 검색 및 AI 응답 생성 - 파운데이션 모델을 데이터 소스에 연결합니다.
모델을 사용자 지정하여 사용 사례에 맞게 성능 개선 - 사용 사례에 맞게 모델을 미세 조정합니다.
Amazon Bedrock 리소스의 성능 평가 - 워크로드의 모델 성능을 평가합니다.

javascript가 브라우저에서 비활성화되거나 사용이 불가합니다.

AWS 설명서를 사용하려면 Javascript가 활성화되어야 합니다. 지침을 보려면 브라우저의 도움말 페이지를 참조하십시오.

문서 규칙

개요

한 눈에 보는 모델